论文部分内容阅读
现有的故障定位算法大多基于时间窗口,窗口大小设置的合理与否会对算法准确度产生重要影响。为了避免因窗口设置不当造成算法性能的下降,该文以概率加权的二分图作为故障传播模型,提出了一种基于增量贝叶斯疑似度(Incremental Bayesian Suspected Degree,IBSD)的启发式故障定位算法。IBSD算法采用事件驱动的方式依次分析观察到的征兆,通过增量计算对应故障的贝叶斯疑似度,确定当前征兆前提下最有可能的故障集。仿真实验表明,IBSD算法具有较高的故障检测率和较低的故障误检率,即使在